1. 概述
- 在 MySQL 5.7.6 之前听盖，全文索引只支持英文全文索引杨拐，不支持中文全文索引棕所，需要利用分詞器把中文段落預(yù)處理拆分成單詞糊肠，然后存入數(shù)據(jù)庫
- 從 MySQL 5.7.6 開始辨宠，MySQL 內(nèi)置了 ngram 全文解析器，用來支持中文货裹、日文嗤形、韓文分詞
2. ngram 全文解析器
- ngram 就是一段文字里面連續(xù) n 個字的序列，ngram 全文解析器能夠?qū)ξ谋具M行分詞弧圆，每個單詞是連續(xù)的 n 個字符的序列
- 例如赋兵，使用 ngram 全文解析器對“生日快樂”進行分詞：
n=1, 生, 日, 快, 樂
n=2, 生日, 日快, 快樂
n=3, 生日快, 日快樂
n=4, 生日快樂
- MySQL 中使用全局變量 ngram_token_size 來配置 ngram 中 n 的大小，其取值范圍是 1 到 10搔预，默認值為 2霹期，可以使用
show variables like 'ngram_token_size';查看值 - 通常 ngram_token_size 設(shè)置為要查詢的單詞的最小字數(shù)，如果需要搜索單字拯田，就要把 ngram_token_size 設(shè)置為 1历造，在默認值是 2 的情況下，搜索單字是得不到任何結(jié)果的
- 中文單詞最少是兩個漢字船庇，推薦使用默認值 2 （這意味著單獨搜索一個漢字是搜不到結(jié)果的）
- 全局變量 ngram_token_size 的兩種設(shè)置方法：
- 啟動 mysqld 命令時設(shè)置 :
mysqld --ngram_token_size=2 - 修改 MySQL 配置文件
- 啟動 mysqld 命令時設(shè)置 :
[mysqld]
ngram_token_size=2
3. 創(chuàng)建全文索引
- 創(chuàng)建表的同時創(chuàng)建全文索引吭产，注意一定要指明解析器 ngram，否則可能對中文無效 :
drop table if exists item;
create table item(
id bigint primary key,
name varchar(31) not null,
price float not null,
note varchar(127) not null default '',
status tinyint not null default 0,
constraint unq_name unique(name),
fulltext key ftx_name(name) WITH PARSER ngram
);
insert into item values(1, '妙蛙種子', 299.0, '', 0);
insert into item values(2, '小火龍', 399.0, '', 0);
insert into item values(3, '火恐龍', 299.0, '', 0);
insert into item values(4, '皮卡丘', 999.0, '', 0);
insert into item values(5, '小鋸鱷', 799.0, '', 0);
insert into item values(6, '小火猴', 1399.0, '', 0);
insert into item values(7, '小火狐', 599.0, '', 0);
insert into item values(8, '小拳石', 699.0, '', 0);
insert into item values(9, '超夢', 4999.0, '', 0);
insert into item values(10, '妙蛙草', 5999.0, '', 0);
insert into item values(11, '妙蛙花', 3999.0, '', 0);
- 通過 alter table 的方式添加 :
alter table item add fulltext index ftx_name(name) with parser ngram;
- 通過 create index 的方式 :
create fulltext index ftx_name on item (name) with parser ngram;
4. 全文索引的使用
- 常用的全文檢索模式有兩種 : 自然語言模式 (natural language mode) 和 boolean 模式 (boolean mode)
- 自然語言模式是 MySQL 默認的全文檢索模式鸭轮，自然語言模式比較基礎(chǔ)臣淤，不能指定操作符，不能指定關(guān)鍵字必須出現(xiàn)或者不能出現(xiàn)等復(fù)雜查詢窃爷，多個用空格分開的詞之間是或的關(guān)系
- boolean 模式可以使用操作符邑蒋，可以支持指明特定關(guān)鍵字必須出現(xiàn)或者必須不能出現(xiàn)姓蜂，還能指定特定的關(guān)鍵詞是權(quán)重高還是權(quán)重低等復(fù)雜查詢
- 特別注意，ngram 進行中文分詞時寺董，ngram_token_size 默認值為 2覆糟，即在進行搜索時，只搜索單個字是無法搜索結(jié)果的遮咖，必須至少兩個字以上（ngram 會對列和搜索條件都進行分詞滩字，然后進行匹配）
自然語言模式
-
select * from item where match(name) against('小火');或select * from item where match(name) against('小火' in natural language mode);: 搜索出 name 包含“小火”的記錄 -
select * from item where match(name) against('小火 種子');: 搜索出 name 包含“小火”或“種子”的記錄 - 如果想看相關(guān)性得分，可以把
match(name) against('小火 種子') as score放到查詢列中來得到得分御吞，不相關(guān)的得分為 0 :select *, match(name) against('小火 火龍') as score from item order by score desc; - 注意麦箍，
select * from item where match(name) against('小');是搜不出結(jié)果的，至少需要兩個詞
boolean 模式
- boolean 模式可以利用一些特殊符號進行一些更高級的陶珠、更精準(zhǔn)的查詢
-
select * from item where match(name) against('+小火' in boolean mode);: 必須包含小火挟裂，+ 表示必須包含 -
select * from item where match(name) against('+小火 -火龍' in boolean mode);: 必須包含小火，且不能包含火龍揍诽，- 表示不能包含 - 下面介紹 boolean 常用運算符 :
-
小火 種子: 無操作符诀蓉，表示或，包含小火或者種子 -
+小火 +火龍: 必須同時包含小火和火龍 -
+小火 火猴: 必須包含小火暑脆，如果同時含有火猴則相關(guān)性更高 -
+小火 -火龍: 必須包含小火渠啤，且不包含火龍 -
+小火 ~火龍: 必須包含小火，如果包含了火龍添吗，則相關(guān)性比不包含的更低（經(jīng)測試無用） -
+小火 +(>火猴 <火狐): 必須包含“小火和火猴”或者“小火和火狐”沥曹，且“小火和火猴”的相關(guān)性比“小火和火狐”高 -
小*: 通配支持單個字，查詢以小開頭的記錄 -
"some words": 使用雙引號把要搜素的詞括起來碟联，效果類似于like '%some words%'妓美，例如“some words of wisdom”會被匹配到，而“some noise words”就不會被匹配（好像是用于英文的鲤孵，中文要先分詞）
-
5. 補充說明
- 只能在類型為 CHAR, VARCHAR, TEXT 的字段上創(chuàng)建全文索引
- 全文索引只支持 InnoDB 和 MyISAM 引擎
-
match (columnName) AGAINST ('keywords'): match() 函數(shù)使用的字段名壶栋，必須要與創(chuàng)建全文索引時指定的字段名一致，例如前面建表時是match(name)則查詢時也必須是match(name) - 如果要對多個字段分別查詢普监，就要在多個字段上分別創(chuàng)建全文索引委刘，如果要統(tǒng)一查詢多個字段，則可以聯(lián)合多個字段創(chuàng)建全文索引鹰椒，但查詢時要指定你要使用哪個索引，且格式要和創(chuàng)建時保持一致
- match() 函數(shù)使用的字段名只能是同一個表的字段呕童，因為全文索引不能夠跨多個表進行檢索
- 如果要導(dǎo)入大數(shù)據(jù)集漆际，使用先導(dǎo)入數(shù)據(jù)再在表上創(chuàng)建全文索引的方式要比先創(chuàng)建全文索引再導(dǎo)入數(shù)據(jù)的方式快很多，所以全文索引時很影響 TPS 的
